介紹“使用 Llama 4 構建”。這個短期課程是與 @Meta @AIatMeta 共同創建的，由Meta AI團隊的合作夥伴工程總監 @asangani7 教授。 Meta 的新 Llama 4 增加了三個新模型，並將 Mixture-of-Experts （MoE） 架構引入其 open-weight 模型系列，使其服務效率更高。 在本課程中，您將使用 Llama 4 中引入的三個新模型中的兩個。首先是Maverick，一個400B參數模型，有128個Expert和17B活動參數。第二個是 Scout，這是一個 109B 參數模型，有 16 個 Expert 和 17B 活動參數。Maverick 和 Scout 分別支援高達 100 萬個令牌和 10M 令牌的長上下文視窗。後者足以支援直接輸入甚至相當大的 GitHub 倉庫進行分析！ 在實踐課程中，您將使用 Llama 4 的新多模態功能構建應用程式，包括跨多個圖像的推理和圖像接地，您可以在其中識別圖像中的元素。您還將使用官方 Llama API，使用 Llama 4 的長上下文功能，並瞭解 Llama 最新的開源工具：其自動改進系統提示的提示優化工具，以及生成高品質數據集進行微調的合成工具包。 如果您需要開放式模型，Llama 是一個不錯的選擇，而 Llama 4 系列是任何 GenAI 開發人員工具包的重要組成部分。通過本課程，您將學習通過 API 調用 Llama 4，使用其優化工具，並構建跨文本、圖像和大上下文的功能。 請在此處註冊：